Tensorflow 合并数据集

Question

所以我在用tensorflow写一个GAN，需要判别器和生成器是对象。现在我在为鉴别器创建训练数据集时遇到了问题。

目前我的代码的相关部分如下所示：

self.dataset=tf.data.Dataset.from_tensor_slices((self.y_,self.x_)) #creates dataset
self.fake_dataset=tf.data.Dataset.from_tensor_slices((self.x_fake_)) #creates dataset

self.dataset=self.dataset.shuffle(buffer_size=BUFFER_SIZE) #shuffles
self.fake_dataset=self.fake_dataset.shuffle(buffer_size=BUFFER_SIZE) #shuffles

self.dataset=self.dataset.repeat().batch(self.batch_size) #batches      
self.fake_dataset=self.fake_dataset.repeat().batch(self.batch_size) #batches

self.iterator=tf.data.Iterator.from_structure(self.dataset.output_types,self.dataset.output_shapes) #creates iterators  
self.fake_iterator=tf.data.Iterator.from_structure(self.fake_dataset.output_types,self.fake_dataset.output_shapes) #creates iterators   

self.x=self.iterator.get_next() 
self.x_fake=self.fake_iterator.get_next() 

self.dataset_init_op = self.iterator.make_initializer(self.dataset,name=self.name+'_dataset_init')  
self.fake_dataset_init_op=self.fake_iterator.make_initializer(self.fake_dataset,name=self.name+'_dataset_init')

我需要的是函数交替提供一批 self.x，然后是一批 self.x_fake.

有没有一种简单的方法可以做到这一点，或者我是否必须将结果提供给计数器和 if 语句？

Answer 1

不确定我是否完全理解您的需求，但是如果您想在图形构建时定义的同一调用中交替使用不同的迭代器，那么您可以使用 Python 逻辑来选择你需要的迭代器。例如：

def __init__(self):
    # Make graph and iterators...
    self._use_fake_batch = False

def next_batch(self):
    iter = self.fake_iterator if self._use_fake_batch else self.iterator
    self._use_fake_batch = not self._use_fake_batch
    return iter.get_next()

或者没有额外的变量，使用 itertools:

from itertools import chain, repeat

def __init__(self):
    # Make graph and iterators...
    self._iterators = chain.from_iterable(repeat((self.iterator, self.fake_iterator)))

def next_batch(self):
    return next(self._iterators).get_next()

Tensorflow 合并数据集

Tensorflow Merge Datasets Alternatively

python-3.x

tensorflow

machine-learning

generative-adversarial-network